多Agent智能故障診斷在艦載火控系統上的應用

田 宇，趙昶宇

（1.海軍駐天津八三五七所軍事代表室，天津 300308；2.天津津航計算技術研究所，天津 300308）

多Agent智能故障診斷在艦載火控系統上的應用

田 宇1，趙昶宇2

（1.海軍駐天津八三五七所軍事代表室，天津 300308；2.天津津航計算技術研究所，天津 300308）

對多Agent技術在艦載火控系統故障診斷領域的應用作了研究，采用案例推理技術、粗糙集和D-S證據理論相結合的多Agent智能診斷方法，建立了一種艦載火控系統故障診斷的新模型。利用案例推理的方法對艦載火控系統故障知識進行了知識獲取和管理，得到艦載火控系統的故障特征屬性；利用粗糙集的優勢對故障特征進行了屬性約簡和值約簡；利用D-S合成法則和診斷決策規則對沖突證據合成，得到最終的診斷結果。該故障診斷模型實現了利用多Agent對艦載火控系統故障進行綜合診斷，診斷的可靠性和準確性遠遠大于利用單個特征域進行診斷的局部診斷結果，提高了艦載火控系統故障診斷的精度。

艦載火控；多Agent；粗糙集；D-S證據理論

故障診斷技術對于保證艦載火控系統的可靠性和安全性來說至關重要。為了滿足艦載火控系統工作的高可靠性要求，艦載火控系統必須建立正確的故障診斷模型。艦載火控系統設備量大，內部和外部接口繁多，發生故障的形式多種多樣，傳統的單一智能技術的故障診斷已經很難滿足當前復雜系統診斷的全部任務要求，而且單一的診斷模型具有比較明顯的缺陷——封閉性、難以解決通用性與高效性之間的矛盾。因此，如何解決上述問題，使得智能故障診斷系統既有通用性和高效性，又能處理異常類故障診斷，成為現階段艦載火控系統智能故障診斷系統面臨的主要挑戰。

Agent技術是分布式人工智能技術和網絡技術發展的必然結果，通過對問題域的描述、分解和分配，將大系統劃分為分散的面向特定問題相對簡單的子系統，并協調各子系統并行相互協作地進行問題求解。由于空間相機系統龐大，故障非常復雜，診斷中還有極大的不確定因素。因此，將艦載火控系統的故障診斷任務分解為多個子任務，分布到各個獨立的子診斷系統中，每個子診斷系統可利用各自的知識和問題求解方法，分別或共同協作求解艦載火控系統的故障診斷問題，有利于克服現有故障診斷系統的不足，充分發揮各種診斷資源的優勢，完成艦載火控系統的故障診斷。

本文基于案例推理技術設計了故障檢測Agent，基于粗糙集設計了故障識別Agent，基于D-S證據理論設計了決策Agent，此外，艦載火控系統故障診斷系統還包括管理Agent和控制計算機等。通過仿真實驗，該艦載火控系統集成故障診斷系統充分利用了各種診斷方法的優點，診斷精度高且速度快，可自動化地對艦載火控系統的各種數據進行實時監測與診斷推理。

1 多Agent艦載火控系統故障診斷系統

艦載火控系統故障診斷的內容包括故障檢測、故障識別以及故障決策等方面，基于多Agent的艦載火控系統故障診斷系統結構如圖1所示。

圖1 艦載火控系統故障診斷系統結構圖

艦載火控系統故障診斷系統由故障檢測Agent、故障識別Agent、故障決策Agent、管理Agent及主控計算機組成。故障檢測Agent和故障識別Agent統稱為故障診斷Agent。管理Agent的作用是記錄各個Agent的狀態信息、功能，并協調各個Agent之間的關系。系統的具體實現過程為：由故障診斷Agent通過接收來自傳感器的數據信息來檢測是否有故障產生，并通過Agent通信語言KQML將檢測結果發送給管理Agent；當檢測到有故障產生時，管理Agent通知故障識別Agent進行故障的識別，需要不同功能的Agent通過KQML來通知對方自己需要什么以及能給對方什么樣的數據，從而完成了Agent之間的通信與協作；故障決策Agent將決策結果及時送給管理Agent，管理Agent與主控計算機通過光纖傳遞數據，而主控計算機又可通過1553B總線或無線通訊方式與地面監控系統進行信息傳遞，完成整個系統的診斷過程。

2 故障檢測Agent設計

本文采用了基于案例推理的方法對艦載火控系統進行故障檢測，對艦載火控系統故障知識進行知識獲取和管理，建立了艦載火控系統的知識庫管理系統。該系統是對知識庫中的知識進行管理和控制，完成對知識庫的各種操作，并向用戶提供檢索和查詢手段。

艦載火控系統的故障案例可以定義為一個四元組：

式（1）中：D={d1，d2，…，dn}，為非空有限集合，表示故障案例的描述信息，包括案例編號、故障發生時間、故障類型等；S={s1，s2，…，sn}，為非空有限集合，表示故障案例征兆屬性集；M為案例的結論信息；E為案例的輔助信息。案例檢索是位于案例推理系統的中心環節，案例庫索引和檢索過程的目的是建造1個結構或過程來得到最適當的案例，基于案例的推理流程圖如圖2所示。

圖2 艦載火控系統案例推理流程圖

通過上述案例推理方法，建立艦載火控系統故障診斷專家系統，采用正向推理和案例檢索推理相結合，可以準確、有效地對艦載火控系統進行故障檢測。

3 故障識別Agent設計

通過案例推理方法將數據采集得到艦載火控系統的原始數據通過特征提取獲得每個故障對應的所有故障特征屬性。為了進一步識別故障原因和故障部位，需要對這些故障特征屬性進行故障識別。本文采用粗糙集的方法對上述故障特征屬性進行屬性約簡。令S=（U，C∪D，V，f）是一個信息系統，C是條件屬性，D是決策屬性，c（x）記錄x在屬性c（c∈C）上的值，C（i，j）為可辨識矩陣中第i行第j列的元素，則差別矩陣C表示為：

差別矩陣形式化如圖3所示。

圖3 差別矩陣示意圖

基于差別矩陣的屬性約簡算法得出（T為決策表，A為屬性約簡后的條件屬性集合，C為決策表T的差別矩陣，）：ak∈{cij}。

C0為核屬性集合，把核屬性集合賦給R，令R=C0；求出所有包含核屬性的條件屬性組合Q；差別矩陣變為（CQ），B=A-R；對所有的ak∈B，計算在C中屬性頻率最大的屬性ak，并賦予aq；將aq添加到R中；重復上述過程，直至C為空。經過上述處理后，R就是最后的約簡結果。

4 故障決策Agent設計

在利用粗糙集對艦載火控系統故障屬性進行約簡后，得到一組特征向量。為了提高故障診斷的精度和準確性，需要利用D-S證據理論進行特征向量空間到證據推理空間的轉換，即獲得p條證據E1，E2，…，Ep，其中，Ei證據的基本信任分配函數為mi（θj|zl），（j=1，2，…，t；t為焦元個數；l=1，2，…，N）。當獲取證據后，需要將多條證據進行合成已達到對各個故障發生概率的一致性解釋。在此基礎上，設立一定的決策規則來判斷某一故障的發生與否，最終完成艦載火控系統的故障診斷，整個流程如圖4所示。

圖4 故障決策Agent示意圖

5 結束語

本文針對艦載火控系統的故障診斷，提出并實現了集成案例推理技術、粗糙集和D-S證據理論的多Agent智能診斷系統。該系統充分利用了案例推理技術易于進行知識獲取的特點，粗糙集對屬性約簡的優勢和D-S證據理論能夠處理不確定信息的表達和合成的特長，彌補了傳統故障診斷系統的不足，提高了系統故障診斷的準確度和精度，從而得到了更加客觀、可靠的艦載火控系統故障診斷結果。

［1］路楊，甘志華，王劍斐.基于案例推理的多故障診斷方法研究［J］.計算機應用研究，2009，11（26）.

［2］王國胤，姚一豫，于洪.粗糙集理論與應用研究綜述［J］.計算機學報，2009，32（07）.

［3］李文立，郭凱紅.D-S證據理論合成規則及沖突問題［J］.系統工程理論與實踐，2010，30（08）.

［4］卜樂平，劉開培，侯新國.采用D-S證據推理的電機轉子故障診斷［J］.振動、測試與診斷，2011，31（01）.

〔編輯：張思楠〕

TP393.08

A

10.15913/j.cnki.kjycx.2017.13.146

2095-6835（2017）13-0146-03